（控制理论与控制工程专业论文）网络化控制系统时滞补偿方法研究.pdf

网络化控制系统时滞补偿方法研究 摘要 随着计算机通网络技术的发展以及工业系统规模的不断扩大、复杂程度的 不断提高，传统的点对点控制方式已经无法满足复杂工业领域对控制系统的要 求。 网络化控制因其优势己迅速地应用于各种系统和远程控制领域。由于信号 通过网络传输存在时滞、拥塞和丢包等问题，基于信号无时滞传输与调节等条 件的传统控制理论已不再适用于网络化控制系统。同时，对于实际的控制系统 来说，要建立被控对象的精确数学模型是十分困难的，为了克服网络化控制系 统中被控对象的不确定性和系统对于干扰的敏感性，很多学者都对n c s ( n e t w o r k e dc o n t r o ls y s t e m s ) 进行了针对性研究，在取得了诸多成果的同时， 同样存在很多需要解决的问题。对此，本文中主要做了如下研究。 1 、介绍了网络时滞产生的原因及表示方法，概述了增广离散时间模型法、 缓冲队列法、摄动法、随机最优控制法、鲁棒控制法、模糊逻辑调节法、基于 模型的控制方法、等网络时滞控制方法。 2 、对网络化控制系统进行了稳定性分析，通过基于l y a p u n o v 稳定理论的 对象参考参数自适应律，设计了大时滞不确定过程的时滞补偿系统结构。在超 出时滞允许范围的情况下，可以认为数据包丢失。针对丢包问题，通过输出预 报的方法，采用过去时刻采集的数据包对将来时刻的值进行输出预报，文中给 了推导。 3 、对于解决被控对象数学模型的不确定性问题，文中采用了基于对象参 考的参数自适应时滞补偿方法，对象参考参数自适应时滞补偿器具有良好的时 滞补偿及输出预测和跟踪性能，因而在一定程度上解决了模型不确定及大时滞 过程的时滞补偿与输出预测问题。 4 、以网络化控制工具箱( t r u et i m et o o l b o x ) 作为网络化闭环控制系统仿 真的平台，通过t r u et i m en e t w o r k 建立起的网络化控制系统的模型，将基于 对象参考参数自适应时滞补偿器的方法用于该仿真平台上进行仿真，仿真结果 表明，该方法能够解决一类网络控制系统的时滞及模型不确定性问题。 关键词：网络化控制系统，时滞，丢包，时滞补偿，对象参考，参数自适应， t r u e t i m e 工具箱 r e s e a r c ho nt i m ed e l a yc o m p e n s a t i o nf o rn c s a b s t r a c t w i t ht h ed e v e l o p m e n to fc o m p u t e rc o m m u n i c a t i o nn e t w o r kt e c h n o l o g y , a sw e l la st h e c o n s t a n te x p a n s i o na n dt h ec o m p l e x i t yo ft h ec o n t i n u o u si m p r o v e m e n to fi n d u s t r i a l s y s t e m s ，t h et r a d i t i o n a lp o i n tt op o i n tc o n t r o lm e t h o dh a s b e e nu n a b l et om e e tt h ec o m p l e x i n d u s t r i a lc o n t r o ls y s t e m s n e t w o r k e dc o n t r o ls y s t e m ( n c s ) h a sb e e nr a p i d l ya p p l i e dt oa v a r i e t yo fs y s t e m sa n dr e m o t ec o n t r o lf o ri t sa d v a n t a g e s ，s u c ha s r e s o u r c es h a r i n g ， d i s t r i b u t e da r c h i t e c t u r e ，l e s sc o n n e c t i n gc a b l e s ，l o wc o s t ，m a i n t e n a n c ec o n v e n i e n c e ，a n ds o o n b e c a u s eo ft h ee x i s t e n c eo fs i g n a lt r a n s m i s s i o nd e l a yi n d u c e db yn e t w o r k ，c o n g e s t i o n a n dp a c k e tl o s sa n do t h e ri s s u e s ，t h et r a d i t i o n a lc o n t r o lt h e o r yb a s e do nt h ec o n d i t i o n so fn o t r a n s m i s s i o nd e l a ya n dm o d u l a t i o ni sn ol o n g e ra p p l i c a b l et ot h en c s i nt e r m so ft h e a c t u a lc o n t r o ls y s t e m ，i ti sv e r yd i f f i c u l tt oe s t a b l i s hap r e c i s em a t h e m a t i c a lm o d e lo fp l a n t m a n ys c h o l a r sa r ef o c u s i n gr e s e a r c ho nn c s ，i no r d e rt oo v e r c o m eu n c e r t a i n t yo fp l a n ta n d s y s t e m ss e n s i t i v i t yt oi n t e r f e r e n c e s o m ep r o b l e m i ss t i l l yn o tt ob es o l v e d ，t h o u g hal o to f r e s u l tw a sg o t t h e r e f o r e ，t h ef o l l o w i n gp r o b l e m sa r es t u d i e di nt h i sd i s s e r t a t i o n ： 1 t h ec a u s e so fn e t w o r kt i m ed e l a ya r ed e s c r i b e d s o m em e t h o d sa r ei n t r o d u c e dt o s o l v et h ed e l a y , s u c ha sa u g m e n t e dd e t e r m i n i s t i cd i s c r e t e t i m em o d e l ，q u e u i n gm e t h o d ， p e r t u r b a t i o nm e t h o d ，s t o c h a s t i co p t i m a lc o n t r o lm e t h o d ，r o b u s tc o n t r o lm e t h o d ，f u z z yl o g i c m o d u l a t i o nm e t h o d ，m o d e l - b a s e dc o n t r o lm e t h o da n ds oo n 2 b yo b j e c tr e f e r e n c ep a r a m e t e ra d a p t i v el a wb a s e do nl y a p u n o vs t a b i l i t yt h e o r y , t h e c o m p e n s a t es y s t e ms t r u c t u r ei sd e s i g n e df o rn c s i tm e a n sap a c k e tl o s so c c u r st h a tt h e d a t at r a n s m i s s i o nt i m eb e y o n dar a n g e i nt h i sc o n d i t i o n ，t h ef o r m e rd a t ac a nb eu s e dt o p r e d i c tt h el o s tp a c k e t s t h es t a b i l i t yo fn c s i sa n a l y z e d 3 a no b je c tr e f e r e n c ep a r a m e t e ra d a p t i v ec o m p e n s a t o ri sa d o p t e dt os o l v et h ep l a n t m o d e lu n c e r t a i n t ya n dd e a d t i m e t h i sc o m p e n s a t o rc a nb eu s e df o ra l lu n c e r t a i np l a n tw i t h l a r g ed e a d t i m ew h i c hs a t i s f ys o m es t a b i l i t yc o n d i t i o n s i nt h ec o m p e n s a t i n gs y s t e m ，i n o r d e rt om a k et h em o d e lm a t c ht h eb e i n gc o n t r o l l e dp l a n t ，t h ep r e d i c t i v eo u t p u tf o l l o wt h a t o ft h eu n c e r t a i np a r to fi ta n dt h em o d e lo u t p u tt r a c et h a to fi t ，ag r o u po fm o d e l sa r eu s e d t oi m i t a t et h eu n c e r t a i np a r to fi t 4 t h et r u et i m et o o l b o xi su s e da san c ss i m u l a t i o np l a t f o r m ，a n dt h en c sm o d e li s c o n s t r u c t e db yi t n c ss i m u l a t i o nh a sb e e n d o n eo nt h ep l a t f o r m s i m u l a t i o nr e s u l t sp r o v e t h a tt h en c sb a s e do na i lo b j e c tr e f e r e n c ep a r a m e t e ra d a p t i v ec o m p e n s a t o rh a sg o o dp o w e r i nd e a d t i m ec o m p e n s a t i n ga n da d a p t i v et r a c i n g k e y w o r d s ：n e t w o r k e dc o n t r o ls y s t e m s ，t i m ed e l a y , p a c k e tl o s s ，d e a d t i m ec o m p e n s a t e ， o b j e c tr e f e r e n c e ，p a r a m e t e ra d a p t ，t r u e t i m et o o l b o x 插图清单 图l 一1 具有数据包丢失的网络控制系统2 图1 2 多包传输的控制系统3 图1 3 网络化控制系统的结构5 图1 4 网络时滞表( 时间驱动、事件驱动) 5 图1 5 确定性预报器的时滞补偿结构图6 图1 - 6 摄动法下的n c s 结构图7 图1 7 鲁棒控制方法n c s 结构图9 图1 8 网络化模糊调节控制直流电机9 图1 - 9 状态反馈预测控制结构图1 0 图2 - 1o s i 参考模型1 3 图2 2 数据包时滞时序l7 图3 一l 带有参数自适应时滞补偿器的大时滞不确定过程2 l 图3 - 2 经参数自适应时滞补偿后的等效过程2 3 图3 - 3 大时滞不确定过程对象参考参数自适应时滞补偿系统结构2 6 图3 - 4 一阶参数自适应时滞补偿系统结构2 9 图3 5 ( f ) 为方波信号时，y 。( f ) 跟踪预测夕。( ，) 3 0 图3 - 6 “( ，) 为方波信号，并提高采样周期，( f ) 跟踪预测输出y p ( f ) 3 1 图3 7 “( r ) 为方波信号时，夕( f ) 跟踪预测y ( f ) 3 1 图3 8 “( r ) 为方波信号时，并提高采样周期，乡( ，) 跟踪预测) ，( f ) 3 1 图3 - 9g ( s ) = 0 0 5 e 。2 5 ( s + 0 0 5 ) ，输) k u ( t ) 为正弦波，y m ( f ) 跟踪预测夕。( r ) 3 2 图3 1 0g ( s ) = 0 0 5 e 嗡p + o 0 5 ) ，u ( t ) 为正弦波信号，夕( ，) 跟踪预测y ( ，) 3 2 图3 - 1 1g ( s ) = 0 0 5 e 蛳( s + 0 0 3 5 ) ，u ( t ) 为方波信号，夕( ，) 跟踪预测y ( t ) 3 3 图3 1 2g ( s ) = 0 0 5 e 确0 + o 0 5 ) ，“p ) 为方波，儿( ，) 跟踪预测夕。( ，) 3 3 图3 1 3 g ( s ) = e 。7 5 ( s + 1 ) ，u ( t ) 为方波信号，y ，( f ) 跟踪预测夕。( r ) 。3 4 图3 1 4g ( j ) = e - 7 j ( s + 1 ) ，“( ，) 为方波信号时，夕( ，) 跟踪预测夕( ，) 3 4 图3 1 5g ( j ) = p - 7 5 o + 1 ) ，“( ，) 为正弦波，y 。( f ) 跟踪预测夕。( ，) 3 4 图3 - 1 6g ( s ) = 8 - 7 5 0 + 1 ) ，u ( t ) 为正弦波信号时，夕( ，) 跟踪预测y o ) 3 5 图3 - 1 7g ( s ) = p 吐5 o + 1 ) ，u ( t ) 为方波信号时，y 。( f ) 跟踪预测夕。( f ) 3 5 图3 - 1 8g ( j ) = e 5 ( s + 1 ) ，甜( ，) 为方波信号时，夕( ，) 跟踪预测y ( ，) 3 5 图3 1 9g ( s ) = e 5 ( s + 1 ) ，u ( t ) 为正弦波，( f ) 跟踪预测夕。( ，) 3 6 图3 2 0g ( j ) = e 5 ( s + 1 ) ，甜( ，) 为正弦波信号，夕( ，) 跟踪预测y ( ，) 3 6 图3 2 1 ，“( f ) 为方波信号时，y 。( f ) 跟踪预测夕。( ，) 3 7 图3 - 2 2 ，甜o ) 为方波信号时，夕( ，) 跟踪预测y ( t ) 3 7 图3 2 3 ，”( f ) 为正弦波信号，y 册( f ) 跟踪预测夕。( f ) 3 8 图3 2 4 ，“( f ) 为正弦波信号，夕( f ) 跟踪预测j ，( f ) 3 8 图3 2 5 u ( t ) 为方波信号时，y 。( f ) 跟踪预测y p ( f ) 3 9 图3 - 2 6u ( t ) 为方波信号时，夕( f ) 跟踪预测输出j ，( ，) 3 9 图3 2 7u ( t ) 为正弦波信号，y m ( t ) 跟踪预测多。( r ) 3 9 图3 2 8 材( f ) 为正弦波信号，夕( ，) 跟踪预测y ( ，) 4 0 图4 - 1t r u e t i m e 工具箱模块库4 1 图4 2t r u e t i m ek e r n e l 模块的对话框4 2 图4 - 3t r u e t i m en e t w o r k 模块的对话框4 3 图4 - 4t r u e t i m ew i r e l e s s 模块的对话框4 4 图4 5t r u e t i m eb a t t e r y 模块的对话框4 4 图4 6t t g e t m s g 模块的对话框4 5 图4 7t t s e n d m s g 模块的对话框4 5 图4 8 网络化闭环控制结构图4 7 图4 - 9 网络模块组成4 7 图4 1 0 输入为阶跃信号、网络时滞为l s 、丢包为d 1 时虼( f ) 跟踪预测输出y “p ( f ) 4 8 图4 1 1 输入为阶跃信号、网络时滞为1 s 、丢包为o 1 时，输入与输出4 8 图4 一1 2 输入为阶跃信号、网络时滞为l s 、丢包为o 1 时y 。( f ) 跟踪预测输出多。( f ) 4 9 图4 一1 3 输入为阶跃信号、网络时滞为1 s 、丢包率为0 1 时输入与输出4 9 图4 1 4 输入为阶跃信号、网络时滞为3 s 、丢包为3 时少。( r ) 跟踪预测输出夕。( f ) 4 9 图4 - 1 5 输入为阶跃信号、网络时滞为3 s 、丢包率为o 3 时输出响应5 0 图4 1 6 输入为阶跃信号、网络时滞为1 0 s 、丢包为0 时y 。( f ) 跟踪预测输出乡。( ，) 一5 0 图4 。1 7 输入为阶跃信号、网络时滞为1 0 s 、丢包率为0 3 时的输出响应5 0 图4 一1 8 输入为阶跃信号、网络时滞为2 0 s 、丢包为0 时y 。( ，) 跟踪预测输出y p ( ，) 5 1 图4 1 9 输入为阶跃信号、网络时滞为2 0 s 、丢包率为0 时的输出响应5 1 图4 - 2 0 输入为阶跃信号、网络时滞为2 0 s 、丢包为o 1 时y 。( f ) 跟踪预测输出y p 0 ) 5 1 图4 2 1 输入为阶跃信号、网络时滞为2 0 s 、丢包为0 1 时的输出响应5 2 图4 2 2 输入为阶跃信号、网络时滞为2 0 s 、丢包为o 3 时( f ) 跟踪预测输出夕。( f ) 5 2 图4 2 3 输入为阶跃、网络时滞为2 0 s 、丢包为o 3 时的输出响应5 2 图4 2 4 输入为阶跃、网络时滞为5 s 、丢包为o 时夕( f ) 跟踪预测输出y ( ，) 5 3 图4 2 5 输入为正弦波、网络时滞为5 s 、丢包为o 时输入与输出5 3 图4 2 6 输入为正弦波、网络时滞为l o s 、丢包为0 时y 册( f ) 跟踪预测输出夕。( f ) 5 3 图4 2 7 输入为正弦波、网络时滞为1 0 s 、丢包为o 时输入与输出5 4 图4 - 2 8 输入为正弦波、网络时滞为1 0 s 、丢包为0 1 时y 。( f ) 跟踪预测输出夕。( f ) 5 4 图4 2 9 输入为正弦波、网络时滞为1 0 s 、丢包为0 1 时输入与输出5 4 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所 知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果， 也不包含为获得 金目墨王些态堂 或其他教育机构的学位或证书而使用过的材料。与我一同 工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：弘毪 签字日期如，p 年细尹 学位论文版权使用授权书 本学位论文作者完全了解金月曼王些太堂有关保留、使用学位论文的规定，有权保留并向国 家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权金蟹至业太堂可 以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手 段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位做作者签名：徙缝 导师 签字日期：抄，d 年华月7 日 学位论文作者毕业后去向： 工作单位： 通讯地址： 签字 电话： 邮编： 致谢 本论文是在导师鲁照权教授的悉心指导下完成的。从开题报告到撰写论文 的点点滴滴无不倾注了鲁老师的汗水。 在合肥工业大学本科、硕士这些年的求学历程中感受颇深是没有老师们的 辛勤关怀，想顺利走完这段学习历程会非常艰难! 是导师的亲切关怀与言传身 教渗透进了我的生活、学习和研究中的点点滴滴，每一点进步、每一次成功无 不凝聚着老师们的心血和汗水，无不饱含着他们的鼓励和支持。导师朴实无华 的作风，高尚的思想情操，和蔼可亲的性格以及开拓进取的精神使我在潜移默 化的感召中学会了要做好事先做好人；导师精益求精的治学态度，渊博的知识， 敏锐的洞察力，以及对科学孜孜不倦的追求精神使我受益终身。 在此向导师表示最崇高的敬意与深深的祝福! 在攻读硕士学位期间，同时需要感谢的还有同门师兄弟姐妹们：胡焱东、 胡金东、俞宗嘉、丁飞、胡多根、彭海军、郑国俊、余波、毛羽、赵伟、凌虎、 陈芹。是这些兄弟姐妹们的朝夕相伴，让我感到求学的这段时光是无比愉悦的。 同时也要感谢我的室友：毕磊、周俭节。感谢他们对我生活中的照顾! 感谢各位专家教授审阅我的论文! 最后，不得不感谢我的父母与姐姐，没有亲人在背后给我莫大的支持，我 会艰难完成学业，不管在物质层面上还是精神层面上，亲人都是尽了最大的努 力，父母的养育之恩，终身难报，手足的帮助没齿难忘! 谨以此篇献给帮助过 我的人! 作者：张超 2 0 10 年4 月 1 1 课题研究目的与意义 第一章绪论 随着计算机技术和网络技术的不断发展，传统的控制系统已无法满足复杂 工业领域对控制系统的要求，网络化控制系统( n e t w o r k e dc o n t r o ls y s t e m ，n c s ) 正在取代传统点对点结构的控制系统，n c s 以其资源共享，系统分布式控制， 硬件连线较少，造价低，维护方便等诸多优势，迅速应用于电力，交通，机器 人，以及各种远程控制领域，网络化控制系统在诸多先进、复杂工业控制领域 中同样具有广阔的应用前景。 在网络化控制系统带来了诸多优点的同时，也迎来了新的挑战。由于反馈 控制回路中通信网络的存在，使得传统的控制理论必须重新评估后才能应用到 n c s 中，因为在传统的控制理论的理想假设条件，如同步控制，无时滞变送和 调节等，都已经不再适用于网络化控制系统。在网络化控制系统中，控制器和 远地控制对象的变送器和执行器等设备间通过网络进行信息交换时，因为来自 多个设备的信息流量变化不规则，信息多包传输，多路径传输，数据包碰撞， 网络拥塞，包时序错乱，包丢失，包重传，连接中断等原因，信息传输时滞不 可避免，网络诱导的时滞可能是恒定的，时变的，也可能是随机不确定的。网 络时滞会降低系统的性能，使系统的稳定范围变窄，严重时会导致系统不稳定。 时滞是网络控制中需要重点解决的问题【l _ 4 j 。 1 2 网络化控制系统研究现状 在n c s 中，由控制器单元、执行机构、以及变送器单元构成网络化闭环系 统。由于系统网络的连接，将导致控制系统的分析变得更加复杂。网络作为信 息传输的媒介，在传输数据的同时不可避免会在控制系统中引发数据传输时滞、 数据包丢失、时序错乱等问题，从而影响系统的性能，严重时会导致系统不稳 定。为了解决上述问题，许多专家和学者展开了较为深入的研究。 1 2 1 网络控制系统的数据包丢失问题1 5 l 网络化控制系统的网络因其自身的时滞特性，数据包在网络传输过程中会 发生丢包现象。数据包的丢失对网络化控制系统的性能的影响是一个重要研究 课题。同时，由于网络带宽和数据包大小的限制，数据的输出必须要采用多个 网络包进行发送。 1 2 1 1 单包与多包传输以及网络包丢失 单数据包传输意味着变送器执行器集中于一个网络包中同时传递，他们可 能不会同时到达控制器和被控对象。多包传输的原因是由于数据包大小的限制， 包开关网络在一个数据包中只能传递有限的信息量。因此，大量的数据就要分 成多包传输。另一个重要原因是网络化控制系统中的变送器和执行器通常分布 在很大的物理空间里，很难将他们集成于一个网络包中。 一般的数据采样系统假设被控对象输出和控制输入同时传输，这样对多包 传输的网络化控制系统是不成立的。不同的网络可能只适合不同类型的数据传 输。文献1 6 1 中最早设计用于传递数据文件一类的信息，可以在一个单包中容纳 1 5 0 0 b i t s 的数据。当网络化控制系统中存在发生信息冲突或发生节点失灵时， 将会发生数据包的丢失。虽然大多数的网络协议中都考虑了传输重试机制，但 是他们也只能在有限的时间范围内重新传输。如果超过重试的时间上界，数据 包将会丢失。 1 2 1 2 具有数据包丢失的网络控制系统模型 图1 1 揭示了一个数据包可能丢失的n c s 。假定网络系统是稳定的，且网 络仅加在被控对象与控制器之间。可以将网络建模为以某种速率闭合的开关。 当开关闭合时( 处于位置s ) ，包含x ( k h ) 的网络数据包被发送：而在开关打开 时( 处于位置& ) ，开关的输出将保持上一时刻的数据，而且数据包丢失。 图1 1 具有数据包丢失的网络控制系统 因此开关动力学建模为： 墨：x ( k h ) = x ( k h ) ，是：x ( k h ) = x ( ( 七一1 ) 向) ( 1 2 1 3 1 ) 设z ( k h ) = 【x 7 ( 砌) ，牙r ( 砌) 7 是增广的状态矢量；具有网络包丢失的闭环系统 可以表示为： z ( ( 七+ 1 ) 厅) = 面，z ( k h ) ，s = 1 , 2 开关处在位置s 时 i 一f kl q 2 l 一隧f 开关处在位置是时 面) 2 - - - - 言一翻 2 通常情况下，一定程度上的丢包不影响反馈控制系统的稳定性。 1 2 1 3 多包传输网络控制系统的模型 多包传输的网络化控制系统可以建模为异步动态系统。在多包传输模式中， 可以把被控对象的状态和输出拆分成不同的包。图1 2 说明了一种情况，对象 状态按两个包传输。网络的动力学模型如图卜2 所示： 图1 2 多包传输的控制系统 s ：x j ( k h ) = 墨( 砌) ，x 2 ( 砌) = 五( ( 后一1 ) 五) 岛：x l ( 砌) = x l ( ( 七一1 ) 办) ，x 2 ( k h ) = x 2 ( k h ) 假设： 删，= k c 州c 砌，一陵甜r 懈k 屯列 增广状态为： z ( 砌) = k ( 砌) x ；( 肋) 胃( 砌) 霹( 砌) r ( 1 2 1 3 3 ) 可以将两包传输的闭环系统写成： z ( ( 尼+ 1 ) 办) = j z ( k h )s = 1 , 2 当开关处在位置s 时， l = 而当开关处在位置岛时， 1 2一e 墨 2 2 一r 2 k 1 2一墨 o0 一r 1 一r 2 如 一k 2 l 2 = l l1 2一l 墨 2 l2 2一r 2 k l oo， 0 2 i2 2一r 2 k l k 2 一r 2 k 2 0 一r 2 k 这种方法不仅适用于两包传输，该建模方法同样适用多包传输。 1 2 2 网络化控制系统的时滞问题 1 2 2 1 网络时滞产生的原因 在网络化控制系统中，时滞是普遍存在的现象。网络时滞包括控制对象本 身的时滞，控制算法的复杂程度，数据转换与传输以及外界干扰所造成的时滞 等、在实际的网络化控制系统中，时滞大致可以分为控制算法时滞和网络诱导 时滞两大类，其中算法时延相对网络诱导时延可以忽略不计，所以在网络控制 中主要是考虑网络诱导时滞 7 1 。 网络诱导时滞主要有以下三点原因： 1 、数据包排队等待时滞。当网络忙或发生数据包碰撞时，等待网络空闲所 用的等待时间。 2 、信息产生时滞。待发送信息封装成数据包并进入队列所需时间。 3 、传输时滞。数据包在实际介质上传输所需的传输时间，其大小取决于数 据包的大小，网络带宽和传输距离。 以上三种时滞构成了网络诱导时滞的主要部分。在网络环境下，众多用户 不仅共享通讯线路而且流量变化不规则。因此，当网络化控制系统的变送器、 控制器和执行器之间通过网络传递信息，网络交换数据过程中必然会导致网络 诱导时滞，在经过路由器时还有排队等待时滞，以及不同网段间传输时滞等。 另外，有些网络协议在发生数据出错时允许重发数据包，虽然在一定程度上解 决了丢包问题，却增加了时滞，在网络调度中，当节点等待令牌时同样会产生 网络诱导时滞，其会降低系统的性能甚至导致系统不稳定。因此，网络诱导时 滞的存在使得系统的分析变得非常复杂，虽然时滞系统的分析和建模近年来取 得很大的进展，但现有的方法一般不能直接应用于多种不同性质的网络化时滞 控制系统。 1 2 2 2 网络时滞的组成 从时滞产生的过程来看，网络化控制系统中的总时滞吒可以分为三个部分： 死= f f + f ；+ f 夕。其中，k 表示第k 个采样周期，是变送器发出测量信号到执 行器接收到控制信号之间的总时滞，f 为变送器到控制器的时滞，是控制器 的自身时滞，f 为控制器到执行器的时滞。往往是随机的，实际上f ；相对f f ， f 尸小的多，而且可以通过适当的软硬件设计来减小，因此在大多数分析中f ；可 以忽略不计。网络化控制系统的一般结构如图l - 3 所示。 4 图1 3 网络化控制系统的结构 计算机时滞取决于计算机的性能，一般可看作定常，另外，与f f 和r f 相 比，它的数值和变化都比较小。在实际的n c s 系统中进行稳定性判断时，可以 把看做一个已知量而只需确定r 尸的稳定范围。这也说明在n c s 稳定性判断 时，尝试将r f 和f f 分别作为独立参数来进行网络控制系统的建模，在n c s 中， 当时滞r = f 。，+ f 。 h 时( h 是系统的采样时间) 叫做长时滞，当时滞 f = f 。+ f 。 控制器的输出： 甜( 后) = 7 ( z ( 七) ) ( 1 2 3 2 4 ) 式中：，( ) 是控制率。 由于观测器和预报器的性能在很大程度上依赖于模型的精确性，同时队列 的使用将所有时滞都转化为最大时滞，因而获得控制性能是保守的。文献 1 3 1 中， 作者提到另一种队列方法，尽管这种方法可以改善预测能力，但队列引起的不 确定时滞依然存在。 1 2 3 3 摄动法 g r e g o r yc w a l s h 等人在文献1 1 4 1 中认为控制器和被控对象都是非线性时变 的，假设在没有观测噪声的情况下，基于非线性摄动法理论，将网络时滞对系 统的影响描述为连续时间系统的摄动。用非线性和摄动理论在假设有观测噪声 的情况下，把n c s 中从变送器端到控制器端的网络时滞f ”( 包括周期性和随 机性时滞) 的影响描述为连续时间系统的非线性摄动。该方法中的控制器和被 控对象都是非线性的，但是使用了类似于线性系统的分析和推导方法。该方法 使用的系统结构如下图1 6 所示。 c 图1 - 6 摄动法下的n c s 结构图 将控制器与被控对象的状态控制整合到一起该闭环系统可以描述为： 删删融m 7 0 g = = 、) x p 把舌( f ) 看作是系统的一种扰动，并推导出时滞上界1 3 ，当t b 时，网络化 控制系统仍能保持稳定。 如图1 6 所示的n c s 系统，其控制器与执行器直接连接，位于同一节点， 网络连接只存在于变送器和控制器之间，该方法要求系统的采样周期必须很小 才能将系统看作是连续时间系统，而且适用于具有优先级的网络，即对数据传 输可以指定不同的优先级并通过优先级调度法来管理。w a l s h 与b u s h n e l 在文 献0 5 1 中证明此方法和结论同样适用于线性系统。 1 2 3 4 随机最优控制方法 1 9 9 8 年n i l s s o n 等人在文献【l6 】中针对随机网络时滞提出了随机最优控制方 法。将网络时滞的影响看作一个线性二次高斯( l q g ) 问题，该方法只适合短 时滞( f h ) 的情况。 随机最优控制方法的目的就是在全状态信息有效的情况下，将目标函数 ( 1 2 3 4 1 ) 最小化： m 脚州咖批。= ol u ( k 七) ) j 他瑚 式中q ，q 是权重矩阵，基于这个目标函数，作者导出了动态规划的方法来优化 状态反馈描述为： “c 尼，= 一三c 七，靠， “荽三， 假设这种情况下时延是独立的，如果全状态信息无效，优化的估计器( 例 如：k a l m a n 滤波器) 可以应用到( 1 2 3 4 2 ) 。这种情况要求被控对象的过去时 刻的输出与输入值d ( o ) ，y ( 1 ) ，少( 七) ，“( o ) ，“( 七一1 ) 要与过去时刻的时滞结合到一 起。此外，作者通过用m a r k o v 链时延模型推导出一个改进的控制方法 1 7 1 ，基于 m a r k o v 链的独立时滞与时滞模型的网络系统的稳定性，采用了随机稳定分析。 基于目标函数( 1 2 3 4 1 ) 方法不是通过队列解决时滞的，因此优于基于确定 性预测器的方法。但是，该方法的缺点是需要一个控制器存储器，用于储存从 初始点的所有过去信息。随机最优控制方法主要针对短时滞问题。 1 2 3 5 鲁棒控制方法 工业控制中许多被控对象都是非线性不明确的，控制器的设计比较困难， 2 0 0 0 年，g o k t a s 在文献i t s l 中提到在频域中采用鲁棒控制理论设计控制器。该方 法不需要预先知道网络时滞的概率分布，将k ，看作为乘性摄动，假设时滞 都是有界并可以近似为液体流动模型，网络时滞可以表示为： f = 吉( f 。m 。+ f m j i i ) + ( f 一一f m j n ) 万= ( 1 一口) 。+ 口f m “万 ( 1 2 3 5 1 ) 式中：和分别是r 的上线和下限，0 口0 5 ，一1 万1 。 将上式进行拉氏变换，采用一阶p a d e 近似： 8 p气ft篇1) ( 糍小哪， + s ( 1 一口) f 一2 八1 + s 口f 一万2 ”、。 式中：为扰动函数，( s ) 为倍乘权重，不同的应用背景由设计者给出的 值有所不同。作者在远程机器人应用中为了达到最大容错性还提出a t m 网络 的服务质量鲁棒控制方法。目前许多学者在研究网络控制系统中的无源鲁棒问 题，噪声干扰，状态观测器的设计方法。 i 二j 图1 - 7 鲁棒控制方法n c s 结构图 1 2 3 6 模糊逻辑调节法 a l m u t a i r i 等提出对线性被控对象用p i 调节器进行网络时滞补偿的模糊逻 辑调节方法。作者在文中通过对基于网络控制的直流电机进行试验，证明了可 以用h e r m i t e b i e h l e r 理论推导网络化p i 控制系统的稳定范围，为了补偿网络 化p i 控制系统中存在的时滞，又提出了模糊逻辑p i 控制技术，将其应用到直 流电机中如图1 8 所示： 图1 - 8 网络化模糊调节控制直流电机 图中从模糊调节器输出的参数是用来补偿网络时滞的。在文献【1 9 。2 叫中提 出了一种智能的控制器：这种技术的不同之处在于通过调节p i 控制器与模糊控 制器之积来补偿网络时滞。这种方法并没有重新设计p i 控制器，只是简单的调 节p i 控制器与智能模糊逻辑控制器来补偿时滞。在文献【2 l 】中提出了完整的自 适应模糊调节法( a d a p t i v ef u z z ym o d u l a t i o n ，a f m ) 这种完整的a f m 自适应 9 性更强。 1 2 3 7 基于模型的控制方法 文献f 2 2 j 提出了一种基于模型的控制方法( m o d e l b a s e dn e t w o r kc o n t r o l s y s t e m s ，m b n c s ) 。 涟 。x ( 姗j r - 厂萧 图1 9 状态反馈预测控制结构图 文中假设时滞小于采样时间( f h ) ，在砌一f 时刻，变送器向控制器执行 器传输数据，并经过f 时间后到达。所以控制器执行器在砌时刻接受的数据是 x ( k h f ) 的值，主要的想法是用被控对象模型来计算当前的状态值。预测单元 的作用是结合过去时刻的u ( t ) 与被控对象，利用数据x ( k h f ) 估算i ( 砌) 。 这种方法，可以减少数据传输负荷，通过使变送器与执行器变得更加智能， n c s 可以预测变送器的动作，从而在临界时刻传送精确的数据以保证被控对象 的稳定性。同样，这种方法不要求了解对象的全部动态特性，允许模型可以是 不精确的。在文中作者推导了保证系统稳定的充分必要条件，而且得出了最大 容许的传送时滞只取决于模型的不精确性的结论。文献1 2 3 1 对m b n c s 的稳定性 作了进一步研究。 1 3 本文的主要工作 文章中研究网络化控制系统中的丢包、时滞、网络协议及不确定网络模型 难以建立等问题。在t r u e t i m e 实时系统仿真平台上，通过运用对象参考参数自 适应时滞补偿的方法对网络时滞进行补偿和对网络控制系统进行性能优化。 本文共分五章，各个章节具体内容如下： 第一章为全文的绪论部分，主要介绍了网络化控制系统的国内外研究与发 展状况，在网络化控制系统的研究过程中普遍存在的，以及诸多学者研究的热点与难 点问题。研究的主要内容有网络化时延与网络化丢包，其中针对网络化丢包问题，本 章通过丢包模型建立，描述了数据包的丢失问题。 第二章分析了网络时滞特性，网络是网络化控制系统重要组成部分，对网 络数据传输协议、时滞的分析必不可少，文中介绍了o s i 参考模型各层功能的 划分与o s i 的若干概念( 服务、实体、协议和服务访问点：服务原语；面向连 l o 蒉 甚一 接服务和无连接服务) 、t c p i p 协议、以太网的时滞特性。给出网络时滞的基本 组成，从而更方便对以太网的时滞特性进行分析。 第三章提到将网络时滞( r ，) 整合到过程控制中模型纯时滞环节( ) 由 于7 ， f ，在网络化 过程控制中五占据时滞的大部分。 ( 2 ) 模型的确立。由于工业过程当中存在分布式时滞环节，因此必须建立起 切合实际的数学模型，把分布式、随机的网络时滞与过程被控制对象统一考虑； 网络化工业控制系统与所有网络一样都会出现误码现象，因此，应该将其考虑 在控制系统内，建立符合实际的数学模型。 多年来人们对s m i t h 预估器克服系统大时滞有效性，以及提高其鲁棒性与 抗干扰能做了不少努力，诸多研究在一定程度上提高了s m i t h 预估器的鲁棒性 和抗扰动性，但没有彻底解决问题。文献【3 卜3 9 1 中提出了对象参考参数自适应时 滞补偿器的概念。该时滞补偿器与其它的s m i t h 预估器不同，它不是以单个模 型描述被控过程。它以大时滞不确定被控过程的输出为跟踪目标，用一族模型 和一个时滞环节去拟合被控对象。基于l y a p u n o v 稳定理论综合出自适应律，使 补偿器的参数始终跟随被控对象的变化。在参数不匹配及出现负荷扰动的情况 1 9 下，参数自适应时滞补偿器均具有良好的预估补偿能力。从而较理想地解决了 s m i t h 预估器的两个缺陷，即( 1 ) 对模型的